Předmět je základní jednotka výuky, jejímž prostřednictvím si student osvojí ucelenou část souboru znalostí a dovedností, potřebnou pro zvládnutí studijního oboru/specializace. Za věcný obsah předmětu zodpovídá garant předmětu. Časovou náročnost předmětu zhruba vyjadřuje atribut předmětu rozsah kontaktní výuky. Například rozsah = 2+2  značí, že předmět bude mít týdně dvě hodiny přednášek a dvě hodiny cvičení týdně. Na závěr semestru musí vyučující provést vyhodnocení, nakolik si ten který student osvojil poznatky a dovednosti, kterých měl během výuky nabýt. Jakým způsobem toto hodnocení vyučující provedou určuje atribut způsob zakončení. U předmětu lze definovat, že předmět je zakončen pouze zápočtem(Z), klasifikovaným zápočtem(KZ), pouze zkouškou(ZK), nebo zápočtem a zkouškou(Z,ZK). Náročnost úspěšného absolvování předmětu je vyjádřena ECTS kreditními body. Výuka předmětu probíhá během semestru. Opakovaně se předmět vyučuje vždy v zimním(Z), nebo v letním(L) semestru každého akademického roku. Výjimečně může předmět být nabízen studentům v obou semestrech(Z,L). Za organizační zajištění výuky zodpovídá přiřazená katedra, která zejména vytvoří časový rozvrh předmětu a zajistí pro předmět vyučující. Někteří přednáší a zkouší, jiní vedou cvičení a udělují zápočty.
Obsahová náplň a další organizační informace, týkající se předmětu je popsána pomocí různých popisných textů(anotace, týdenní osnova, literatura, apod.)
$DODATEK_POPIS

Anotace:
Students will gain knowledge of the internal architecture of modern massively parallel GPU processors. They will learn to program them mainly in the CUDA programming environment, which is already a widespread programming technology of GPU processors. As an integral part of the effective computational use of these hierarchical computational structures, students will also learn optimization programming techniques and methods of programming multiprocessor GPU systems.

Osnovy přednášek:

1.		GPU microarchitecture.
2.		(3) Programming language CUDA.
3.		Fundamental parallel operations (reduction and prefix sum).
4.		Methods of synchronization of threads and thread blocks.
5.		Optimization I: General source code optimizations.
6.		Optimization II: Architecture SIMT, sdruˇzen´y access to the shared memory.
7.		Optimization III: Architecture memory subsystem.
8.		Cooperation of multiple GPUs.
9.		Asynchronous GPU computations.
10.		Case studies of GPU programs. Development and debugging of GPU applications.
11.		HPC libraries and other APIs for GPGPU.

Osnovy cvičení:

1)		Introduction to the environment, assignment of term papers
2)		Submission of sequential implementation
3)		Compilation of GPU code, involvement of libraries
4)		Working with code debugging tools and profiling tools
5)		consultation on GPU implementation
6)		submission of GPU implementation, credit

Literatura:

1.		Kirk, D. B. : Programming Massively Parallel Processors (3rd Edition). Morgan Kaufmann, 2016. ISBN 978-0128119860.
2.		Cheng , F. - Grossman, M. - McKercher, T. : Professional CUDA C Programming (1st Edition). Wrox, 2014. ISBN 978-1118739327.
3.		Cook, S. : CUDA Programming: A Developer?s Guide to Parallel Computing with GPUs (1st Edition). Morgan Kaufmann, 2012. ISBN 978-0124159334.

Požadavky:
Basics of programming in C and C ++ (at the level of subjects BI-PA1 and BI-PA2), it is recommended to complete the subject Parallel and Distributed Programming (MI-PDP).

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr NIE-SI.21 Software Engineering 2021 V 2 NIE-PSS.21 Computer Systems and Networks 2021 PS 2 NIE-NPVS.21 Design and Programming of Embedded Systems 2021 V 2 NIE-PB.21 Computer Security 2021 V 2 NIE-TI.21 Computer Science 2021 VO 2